基于多元线性回归模型的大坝变形预报研究

大坝变形监测预报的准确性对大坝安全评估具有重要作用,而其变形又受诸多相互关系复杂的外界因素的影响。阐述了目前大坝变形预报的几种主要模型和方法,重点对多元线性回归模型进行了分析。针对温度因子和时效因子的特点,在建模时考虑了温度因子对大坝的时延影响,采用三角函数对温度因子进行表述;对时效因子采用衰减蠕变因子描述,建立了科学合理的回归方程。以三峡工程大坝安全监测为例,采用M at-lab语言对回归模型进行了编程实现。计算结果表明,采用多元线性回归模型能有效地对大坝变形进行预报,预报精度较高,对大坝安全评估具有重要意义。     

基于某混凝土拱坝的坝顶位移回归分析

通过对混凝土拱坝拱冠梁处垂线位移多年监测资料的分析模拟建立坝顶位移统计回归模型。采用逐步回归法,分析水压分量、温度分量、时效分量对坝顶位移的影响量。统计分析回归模型较好地反映了大坝的变形规律与变化趋势,该模型的建立,为今后大坝运行安全性态和预测大坝变形发展规律提供了有效分析手段和途径。     

基于MATLAB回归算法的分水江大坝坝基扬压力分析

多元逐步回归分析是大坝安全监测资料分析的实用方法。利用坝基扬压力的统计模型,采用MATLAB的多元逐步回归分析功能对分水江大坝坝基扬压力进行了分析,该方法计算方便,所得结果精度较高。分析结果表明,库水位是影响扬压力的主要因素,且具有滞后性,另外降雨、温度和时效也对扬压力有一定影响。     

基于有限元法和逐步回归法的泵站位移统计模型构建方法

由于大部分的泵站地基不是岩基,通过传统的力学方法无法得到较为准确的泵站位移统计模型,计算较为困难。因此,基于大坝变形统计模型构建的理念,提出了基于有限元-逐步回归分析的泵站位移统计模型构建方法。该方法以逐步回归为基础,通过有限单元法来确定统计模型中与水压分量有关的各个因子,再根据监测资料来确定温度分量和时效分量里的各个因子,从而得到较为准确的泵站建筑物位移统计模型。经南水北调东线某泵站验证表明,泵站实测的水平、垂直位移与三维有限元-逐步回归分析得出的结果基本一致,进一步表明,采用的统计模型用于泵站的位移分析是可行的。基于有限元-逐步回归法的泵站位移统计模型拟合效果较好,拟合精度较高,为泵站监测资料分析提供了新思路。     

纪村大坝坝顶垂直位移监测资料分析

根据水工建筑物安全监控理论,运用逐步回归分析方法建立了纪村大坝坝顶垂直位移的统计模型,对监测资料进行了定性和定量分析,揭示了该电站坝顶垂直位移的变化规律,并利用统计模型提取了典型年份水压分量、温度分量和时效分量在大坝垂直位移中所占的比例,为分析大坝的运行状态提供了依据.     

江垭碾压混凝土坝无应力变形统计模型分析

无应力变形分析是大坝安全监测资料分析中应力应变分析的基础。文章以江垭大坝无应力变形实际监测资料为依据,通过温度因子、时效因子的选择建立无应力变形的统计模型,进而对模型的各个分量进行分析,得出江垭大坝目前无应力变形的状态。     

观音阁水库坝体垂直位移影响因素分析

根据观音阁水库不同仪器、不同时期监测获得的垂直位移资料建立Dam Data Analysis统计模型,然后基于大坝运行实际状况和相关监测资料模拟分析了其垂直位移变化过程。结果显示:温度分量是影响混凝土重力坝垂直位移的关键因子,另外还受时效分量与水压分量的影响作用,可为水库大坝运行管理和安全监测工作提供一定指导依据。     

基于小波EGM-ISFLA-SVR的大坝变形组合预测模型

为了提高大坝变形监控模型的预测能力,充分挖掘变形实测数据并及时了解大坝的运行性态,提出了一种基于小波EGM-ISFLA-SVR的大坝变形组合预测模型。该模型首先应用小波分析进行去噪,提取变形监测序列的时效分量以及由水压、温度分量组成的综合效应分量。然后,分别运用均值GM(1,1)模型和基于改进的混合蛙跳算法的支持回归机模型对两种序列进行建模和预测。最后,经小波重构得到组合模型。通过工程实例对模型效果加以检验,采用多项指标分别与传统统计模型的拟合精度和预测精度进行对比。结果显示,该模型拟合时具有比统计模型更大的复相关系数和更小的均方差;预测时均方差、平均绝对百分比误差和平均绝对误差均小于统计模型,表明该模型具有更高的拟合和预测精度和更强的泛化能力。     

混凝土重力坝垂直位移统计回归模型与工程应用

结合北峰山混凝土重力坝垂直位移监测资料,分析了大坝的垂直位移变化规律,并运用逐步回归分析法,建立垂直位移监测预报模型,结果表明,水压分量和温度分量是影响坝顶垂直位移的主要因素,时效分量也对垂直位移有一定影响,但影响不大,大坝的坝顶垂直变化规律基本正常。通过对垂直位移监测资料的建模分析,对大坝安全管理提供了参考依据。     

重力坝变形统计回归分析模型及工程应用

通过对一水电站重力坝多年变形监测资料的分析，考虑水位、温度和时效对大坝变形的影响，采用逐步回归分析法建立了重力坝变形统计回归分析模型。计算结果表明：变形统计值与变形监测值吻合较好，统计复相关系数较大，估计标准误差较小。统计回归分析模型较标准地反映了大坝的变形规律，为评价大坝运行安全性态、预测大坝变形发展趋势提供了有效的分析方法和手段。     

某水电站大坝扬压力统计回归分析

影响坝基扬压力大小的因素众多,如上、下游水位、排水系统、降雨及渗透作用等。综合某流域的水电站工程概况及气候特征和地形条件,采用逐步回归的方法建立统计模型来分析水位分量、温度分量和时效分量对扬压力的影响,得到各测点扬压力的极值、年变化率、年变幅和回归值、时效因子等图表。通过计算分析,运用该模型分析实测资料,其分析结果与实...     

周公宅水库拱坝变形回归分析

针对宁波市周公宅水库大坝垂线观测资料进行了计算分析,研究了拱坝变形的一般规律,并采用逐步回归方法分析了水位、温度及时效因子对拱坝变形的影响。从统计模型、工程概况、测点布置、回归成果分析几个方面介绍并分析了各因子影响大坝位移的程度,得出了大坝位移主要受温度影响的结论。     

混凝土坝变形观测资料分析理论研究

本文在全面介绍水工建筑物原型观测资料分析常用的统计学方法的基本原理的基础上,着重分析了混凝土坝变形统计回归模型和混合型模型的基本原理和建模方法,特别是变形统计回归模型中水压、温度、时效因子函数的基本理论和公式以及混合模型中水压分量确定性模型的建模原理和方法,为混凝土大坝的统计回归模型和混合模型的构建提供理论基础。     

大坝监测分析中的时间序列叠合模型

叙述了用时间序列叠合模型建立大坝监测预报模型的2种基本方法：统计-时间序列模型和确定性时序叠合模型。通过统计软件SPSS实现2种时序叠合模型的实例表明，在环境量记录完整的情况下，统计-时间序列模型比单纯的统计回归模型精度要高；在缺少环境量监测或与环境量的因果关系不明显的情况下，用确定性叠合模型分析和预报大坝监测效应量的测值，精度也很高，并能够分离出趋势性分量、周期分量和随机平稳分量，分析的结果简单明了，是大坝监测分析中一种比较好的方法。     

五强溪水电站大坝变形预测模型研究

基于逐步回归法、偏最小二乘回归法和长短期记忆(LSTM)循环神经网络，构建了五强溪水电站大坝变形预测模型。采用拉伊特准则确定可靠的监测数据，基于可靠的监测数据，构建考虑水压、温度、时效因素的混凝土重力坝变形预测逐步回归和偏最小二乘回归模型，根据五强溪大坝坝顶J23测点2006年～2020年的监测资料获得该测点的沉陷曲线逐步回归和偏最小二乘回归预测模型。根据数值试验，选定的LSTM模型包括2个LSTM层，激活函数采用整流线性单元函数，输入序列长度为20。训练集数据取2006年～2017年的监测值，2018年～2020年的监测数据作为测试集数据。采用随机搜索对LSTM循环神经网络的超参数进行优化。比较3种模型结果可知：3种模型在沉降曲线的预测效果均较好；偏最小二乘回归法能合理地解释各分量；训练数据足够时，LSTM循环神经网络的预测精度非常高；采用偏最小二乘法回归模型或LSTM模型预测J23测点变形更为妥当。     

大坝观测效应量的明确性和非明确性混合分量拟合模型

目前大坝观测效应量拟合模型可以分为两大类:明确性分量拟合模型和非明确性分量拟合模型。事实上,水压分量和温度分量采用明确性分量拟合模型是合适的,而时效分量具有非线性和非明确的特征,所以宜采用非明确性分量模型。鉴于此,提出明确性和非明确性混合分量拟合模型。采用能够较好地描述非线性变化的支持向量机(SVM)拟合时效分量,同时结合传统逐步回归分析,对于变化特征较为明显的水压分量与温度分量采用传统的统计模型进行描述。然后,将两大部分分量整合形成新的混合模型,并利用遗传算法GA对水压分量与温度分量进行修正。工程应用实例显示,该方法对实测资料的拟合比传统逐步回归方法更为精确,时效分量的总体变化趋势与逐步回归成果相似,但存在局部差异。     

特高拱坝施工及初次蓄水期变形回归模型研究

针对特高拱坝施工及初次蓄水期间的变形特点,在传统模型基础上,增加了初次蓄水坝高因子、初蓄温度因子和初蓄渗流因子,建立了施工及初次蓄水作用下的大坝变形回归模型。通过对某高拱坝初次蓄水期间大坝回归分析可知,新模型拟合精度高,各测点相关系数均在0.99以上。水压分量、温度分量、坝高分量、初蓄及时效分量变化趋势以及在整个径向位移中所占比例符合实际规律,考虑了施工及初次蓄水期间坝体上升、外界温度影响、坝体自身温度变化、初次蓄水及渗流作用、时效等影响,反映了初蓄期间坝体的变形特性。总之,新的大坝变形回归模型能够较好地反映施工及初次蓄水期的各种影响因素,便于分析施工及初次蓄水期坝体的工作性态。     

基于MLR-WNN的大坝变形预测

针对大坝变形预测中非平稳非线性的数据处理问题,为克服多元线性回归模型(MLR)在处理非线性数据方面的不足,将小波神经网络模型(WNN)引入到多元线性回归模型里面,提出一种基于多元线性回归和小波神经网络的大坝变形预测模型(MLR-WNN)。首先,针对温度、水位、时效因子和大坝变形实测值,建立多元线性回归模型,再对其产生的误差建立小波神经网络模型进行修正,最后得到大坝变形预测值。经算例验证并与多元回归模型和WNN模型对比分析,结果表明,该算法预测精度较高,在大坝变形波动剧烈的时段也能保证较好的预测效果。     

基于温度实测资料的抽水蓄能电站渗压统计模型及其应用

根据原型监测资料建立多元统计模型,可以及时地分析和监控大坝基础的工作状态。现有模型中的温度分量多用傅里叶函数来表示,无法精细反映坝基不同部位温度的实际分布特征。针对此种不足,以埋设于坝体不同部位的温度计的实测值作为温度分量,建立了渗压统计模型。以一抽水蓄能电站为例,分别建立了传统的基于傅里叶函数表示温度分量的和基于坝体温度计实测值的渗压统计模型,并采用逐步回归方法进行求解。结果表明,采用后一模型更为有效。     

采用阶跃函数分析经历地震的大坝安全监测数据

大坝经历大地震后,坝体位移监测数据会发生明显突变。利用传统统计模型对监测数据进行建模,拟合程度较低、效果较差。为此,将阶跃函数引入传统统计模型中,重新构建回归分析模型。以碧口大坝竖向位移监测数据资料为例,分别采用传统统计模型和阶跃函数模型进行逐步回归分析,并利用阶跃函数监测模型分离地震分量,通过分析地震对大坝竖向位移的影响规律,以验证阶跃函数模型的优越性。分析结果表明,阶跃函数模型的拟合精度及预测效果均高于传统模型,可供类似工程参考。